Люди одного возраста могут по-разному ответить на одну и ту же вакцину, инфекцию или противоопухолевое лечение. Отсюда идея «иммунного возраста»: найти показатель, который описывает не только число прожитых лет, но и состояние защитных систем организма.

Но врачу мало красивой цифры в медицинском приложении. Тест должен отвечать на конкретный вопрос: повлияет ли его результат на выбор лечения, наблюдение за пациентом или профилактику?

Почему общего анализа крови недостаточно

Общий анализ крови показывает, сколько клеток циркулирует в кровотоке, а С-реактивный белок (CRP) помогает оценить воспаление. Это отдельные части картины. Они не показывают одновременно состав иммунных клеток, сигналы между ними, состояние тканей и способность системы ответить на новый вызов.

Иммунная система устроена скорее как сеть, чем как один датчик. В ней взаимодействуют клетки крови и тканей, органы, сигнальные молекулы и рецепторы, распознающие чужеродные антигены. Анализ может обнаружить воспаление, но не обязательно покажет, насколько устойчив ответ на вакцинацию или как быстро система восстановит равновесие после нагрузки.

Поэтому авторы комментария в Nature предлагают искать не один «главный» маркер, а небольшой набор взаимодополняющих измерений. В числе возможных компонентов они называют анализ белков и антител в крови, подробное изучение отдельных клеток, секвенирование иммунных рецепторов, визуализацию тимуса, селезёнки и костного мозга, пространственный анализ тканей. Ещё один вариант, сравнить состояние системы до и после иммунной нагрузки, например вакцинации.

Что уже показал индекс иммунного здоровья

Самый конкретный пример на сегодня даёт рецензированное исследование Sparks, Rachmaninoff, Lau и соавторов, опубликованное в Nature Medicine в 2024 году. Учёные объединили данные о работе генов, белках сыворотки крови, частоте периферических иммунных клеток и клинических показателях 228 пациентов с 22 моногенными заболеваниями. Для сравнения взяли данные 42 здоровых участников того же возраста и пола.

Затем исследователи применили несколько методов машинного обучения, в том числе с учителем и без учителя, чтобы получить общий показатель. Так появился индекс иммунного здоровья (IHM).

Индекс отличал здоровых участников от пациентов с моногенными заболеваниями. В десяти независимых наборах данных он также различал здоровое состояние и полигенные аутоиммунные и воспалительные заболевания, отражал возрастные изменения, отслеживал активность болезни и ответ на лечение. Кроме того, IHM позволял предсказывать возрастные различия в выработке антител после вакцинации.

Авторы сообщили, что индекс лучше различал группы, чем классические маркеры воспаления: CRP и интерлейкин-6. Для разработки биомаркеров это обнадёживающий результат. Комбинация показателей может сохранять информацию, которую теряет отдельный маркер.

Однако исследовательский индекс и клинический тест решают разные задачи. Работа показала, что IHM связан с рядом состояний и ответов организма. Она не проверяла в рандомизированном клиническом исследовании, улучшает ли использование индекса результаты лечения или помогает ли врачу принимать более удачные решения.

Каким может быть минимальный набор

Источники пока не предлагают готовой универсальной панели. Осторожная рабочая гипотеза такова: стандартные клинические данные и общий анализ крови можно дополнить небольшим числом белковых, клеточных или функциональных показателей. Но состав панели, пороговые значения и частоту измерений нужно определить в ходе внешней клинической проверки, а не только экспертным соглашением.

Особый интерес представляет функциональный тест. Вместо того чтобы описывать иммунную систему в покое, можно измерить её реакцию на стандартизированную нагрузку. Ответ на обычную вакцинацию способен показать силу, скорость и продолжительность иммунной реакции. Авторы комментария в Nature рассматривают этот подход как возможный практический показатель иммунной компетентности, но его пригодность для регулярных врачебных решений ещё не установлена.

Условно говоря, анализ крови описывает состав системы в данный момент, а контролируемая иммунная нагрузка показывает, как она работает в ответ на вызов. Персонализированной медицине, вероятно, нужны оба вида информации, но их точное соотношение пока неизвестно.

Как проверить, что тест действительно полезен

Проверять такой тест нужно поэтапно.

  1. Сначала важно выяснить, насколько показатели устойчивы во времени. Какие из них сохраняются у одного человека, а какие меняются под влиянием инфекции, стресса, лечения или различий между лабораториями?
  2. Затем модель нужно проверить на независимых группах людей, в разных больницах и с использованием других лабораторных платформ.
  3. Отдельный вопрос, будет ли тест работать в разных популяциях. На состояние иммунной системы влияют генетика, среда, перенесённые инфекции и условия жизни. Если модель обучали преимущественно на данных из стран с высоким доходом, в других регионах она может работать хуже.
  4. Новый индекс должен давать больше полезной информации, чем уже доступные клинические данные. Иначе он лишь повторит сведения о возрасте, диагнозе или воспалении.
  5. Нужно проверить и влияние теста на решение врача. Насколько часто его результат меняет выбор лечения, частоту наблюдения или план профилактики?
  6. Наконец, важен результат для пациента: становится ли лечение эффективнее, безопаснее или своевременнее, когда врач использует тест?

Этот принцип полезен и за пределами иммунологии: при оценке медицинской модели нужно различать способность различать группы и доказанную пользу для решений. Подробнее о такой границе можно прочитать в материале о конвергентной и дискриминантной валидности моделей.

Почему много данных не гарантирует хороший тест

Исходная группа для разработки IHM была необычной: в неё вошли пациенты с моногенными заболеваниями, связанными с изменениями отдельных генов. При этом авторы отметили, что различия между людьми по многим иммунным показателям часто были сильнее различий, связанных с заболеванием или приёмом лекарств.

Поэтому сложная модель может распознавать не только биологическое состояние, но и особенности данных: популяцию, лабораторию, метод измерения или состав участников. Авторы комментария предупреждают: искусственный интеллект может уловить технические или популяционные различия вместо устойчивых признаков здоровья.

Есть и ограничения доступа. Индивидуальные данные исследования можно получить через dbGaP по запросу, а часть сводных результатов и код опубликованы отдельно. Это позволяет воспроизвести некоторые анализы, но исходная выборка не открыта целиком для свободного доступа.

Что можно сказать сегодня

«Иммунный возраст» пока не стал универсальным медицинским анализом. Исследования показывают, что состояние иммунной системы можно описывать с помощью молекулярных, клеточных, клинических и функциональных данных. IHM демонстрирует связь такой комбинации показателей с возрастом, заболеваниями, ответом на лечение и вакцинацию.

Минимальный набор показателей ещё предстоит определить. Его ценность будет зависеть не от числа измерений, а от того, сможет ли небольшой, доступный и воспроизводимый тест улучшить конкретное решение врача. Пока точнее говорить не о диагностике «иммунного возраста», а о поиске проверяемого показателя устойчивости иммунной системы.

Источники:

  1. Aerts H. J. W. L., Birkbak N. J., Tsang J. S., Topol E. J. Could measuring immune health reshape medical care? Nature. 2026;658:1128–1130. DOI: 10.1038/d41586-026-03396-2. Авторский комментарий, не первичное исследование.
  2. Sparks R., Rachmaninoff N., Lau W. W. et al. A unified metric of human immune health. Nature Medicine. 2024;30:2461–2472. DOI: 10.1038/s41591-024-03092-6. Рецензированная первичная работа.

Источники и литература

Схема перехода от набора иммунных измерений к проверенному клиническому тесту

Фото: https://kaboompics.com/ / Pexels